| 中文摘要 | 第1-3页 |
| ABSTRACT | 第3-6页 |
| 第一章 绪论 | 第6-13页 |
| ·两相流研究背景与意义 | 第6-7页 |
| ·两相流流型 | 第7-11页 |
| ·垂直上升管中气液两相流流型 | 第7-8页 |
| ·垂直上升管中油水两相流流型 | 第8-9页 |
| ·两相流流型软测量方法综述 | 第9-11页 |
| ·本文的主要工作及论文组织结构 | 第11-13页 |
| 第二章 气液两相流流型的混沌动力学特征提取 | 第13-40页 |
| ·混沌分析方法 | 第13-23页 |
| ·两相流流动特征混沌表征 | 第15-17页 |
| ·相空间重构 | 第17-21页 |
| ·Lyapunov指数 | 第21-23页 |
| ·Lyapunov指数算法评价及其流型表征 | 第23-40页 |
| ·计算Lyapunov指数的Wolf算法 | 第23-26页 |
| ·计算Lyapunov指数的Michael算法 | 第26-31页 |
| ·两相流流型的Lyapunov指数表征 | 第31-40页 |
| 第三章 气液两相流测量信号符号序列特征提取 | 第40-51页 |
| ·气液两相流动态实验及数据采集 | 第40-41页 |
| ·符号化时间序列分析方法 | 第41-47页 |
| ·符号化时间序列分析方法研究意义 | 第41-43页 |
| ·符号序列生成 | 第43-44页 |
| ·描述符号序列的统计量 | 第44-45页 |
| ·符号序列参数 | 第45-47页 |
| ·序列长度对符号统计量T_(fb) 及χ_(fb)~2的影响 | 第47页 |
| ·噪声强度对符号统计量T_(fb) 及χ_(fb)~2的影响 | 第47-48页 |
| ·符号序列统计量表征流型结果分析 | 第48-51页 |
| 第四章 基于D-S证据融合方法的两相流流型识别 | 第51-68页 |
| ·信息融合简介 | 第51-57页 |
| ·信息融合基本概念 | 第51-52页 |
| ·信息融合的级别 | 第52-53页 |
| ·信息融合的主要方法 | 第53-55页 |
| ·主要应用领域及研究进展 | 第55-57页 |
| ·神经证据集成模型 | 第57-64页 |
| ·BP神经网络联合模型与D-S证据推理模型的集成 | 第58-59页 |
| ·D-S证据推理模型 | 第59-64页 |
| ·D-S证据推理模型基本概率赋值的获取 | 第64页 |
| ·气液两相流特征提取 | 第64-65页 |
| ·基于D-S证据融合的两相流流型识别 | 第65-68页 |
| 第五章 结束语 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 发表论文和科研情况说明 | 第75-76页 |
| 致谢 | 第76页 |